00:00:07 Запас безопасности и его недостатки.
00:00:39 Определение и концепция запаса безопасности.
00:02:05 Происхождение концепции запаса безопасности и причины его популярности.
00:04:10 Проблемы с запасом безопасности: игнорирование сезонности и нереалистичные предположения о нормальном распределении.
00:07:15 Ситуации, когда запас безопасности не работает, и необходимость альтернативных подходов.
00:09:06 Как запасы безопасности недооценивают риск и приводят к переизбытку товаров.
00:12:00 Парадокс запасов безопасности и их неэффективность в решении неопределенностей.
00:13:20 Принимаемые решения и контроль в управлении цепями поставок.
00:15:00 Альтернативные подходы между запасами безопасности и вероятностными методами.
00:16:00 Уточнение параметрических моделей в управлении цепями поставок.
00:18:54 Проблема потерь при запасе безопасности и ее последствия.
00:20:37 Роль прогнозов и их влияние на запас безопасности.
00:22:29 Решение ошибок в управлении цепями поставок для улучшения.
00:23:01 Основное сообщение: Не доверяйте устаревшим математическим моделям в управлении цепями поставок.
Резюме
В этом интервью Киран Чандлер и основатель Lokad Жоанн Верморель обсуждают недостатки запаса безопасности в управлении цепями поставок. Запас безопасности, дополнительный запас товаров для смягчения изменчивости спроса, может быть чрезмерно консервативным, что приводит к переизбытку и потерям. Его популярность обусловлена простотой и историческим улучшением по сравнению с ручными расчетами, но он не учитывает сложные неопределенности в цепи поставок. Модель полагается на нормальное распределение спроса и сроки поставки, что нереалистично, и она не корректирует большие отклонения или неожиданные события. Вместо этого Верморель предлагает вероятностный подход для более эффективной оптимизации и управления запасами, учитывая последствия неопределенности и улучшение процессов после прогнозирования.
Расширенное резюме
В этом интервью ведущий Киран Чандлер и основатель Lokad Жоанн Верморель обсуждают концепцию запаса безопасности и его недостатки в управлении цепями поставок. Запас безопасности относится к дополнительному запасу товаров, приобретаемому для защиты от изменчивости спроса и сроков поставки. Несмотря на свою простоту, этот метод часто является слишком консервативным, что приводит к переизбытку и потере товаров. В интервью рассматриваются происхождение запаса безопасности, его ограничения и альтернативные подходы для специалистов в области управления цепями поставок.
Safety stock возникла из идеи о том, что, исходя из прогноза спроса, компания должна иметь больше товаров на складе, чем прогнозируемое количество, чтобы снизить риск дефицита товара. Этот дополнительный товар, или “запасной запас”, служит буфером для потенциальных колебаний спроса. Со временем отрасль пришла к конкретному методу расчета запасного запаса: предполагается, что будущий спрос и время выполнения заказа имеют нормальное (гауссово) распределение, и эту модель применяют для определения необходимого буфера.
По словам Вермореля, популярность запасного запаса можно объяснить его успокаивающим названием и тем, что исторически он представлял собой улучшение по сравнению с ручными расчетами. В начале 1960-х и 1970-х годов компьютеры имели проблемы с более сложными расчетами, поэтому расчеты запасного запаса предоставляли достаточно хорошее решение на тот момент. Однако многие практики продолжали полагаться на запасной запас, даже когда возможности вычислений стали более продвинутыми, что привело к его широкому использованию в настоящее время.
Основная проблема с запасным запасом заключается в предположении, что всю неопределенность можно свести к нормальному распределению как для спроса, так и для времени выполнения заказа. Это предположение особенно проблематично для времени выполнения заказа. Полагаясь на расчеты запасного запаса, компании склонны создавать постоянную долю своего спроса в качестве буфера, игнорируя такие факторы, как сезонность. В то время как прогнозы спроса часто учитывают сезонные колебания, неопределенность в этих прогнозах не регулируется аналогичным образом.
В заключение, концепция запасного запаса, хотя и простая и кажущаяся успокаивающей, недостаточна из-за своей зависимости от предположений о нормальном распределении спроса и времени выполнения заказа. Такой подход часто приводит к избыточному запасу и потере товаров, поскольку он не учитывает сложную природу неопределенности в цепи поставок. В ходе дальнейшего обсуждения интервью направлено на исследование альтернативных методов оптимизации цепи поставок, выходящих за рамки ограничений традиционных расчетов запасного запаса.
Разговор начинается с анализа классической модели запасного запаса, которую Верморель считает плохим приближением для управления неопределенностями в цепи поставок.
Верморель объясняет, что предположение модели запасного запаса о нормальном распределении как для спроса, так и для времени выполнения заказа является нереалистичным. Например, время выполнения заказа может быть постоянно коротким, за исключением случаев дефицита товара у поставщика, что может привести к значительно более длительным срокам выполнения заказа. В результате получается распределение, которое не имеет формы колокола, а скорее имеет пик вокруг номинального времени и длинный хвост для редких событий.
Модель запасного запаса также не учитывает большие отклонения или неожиданные события, которые могут оказать значительное влияние на цепи поставок. Такие события, как птичий грипп, влияющий на продажи курицы, не учитываются в модели нормального распределения. На практике такие большие отклонения происходят достаточно часто, чтобы вызывать проблемы.
Можно предположить, что недооценка риска приведет к большему количеству дефицита товара, но на практике практики в области цепи поставок адаптируются и увеличивают свои запасные запасы для компенсации недооцененного риска. Они делают это, вводя коэффициенты инфляции, либо явно, либо устанавливая более высокие уровни обслуживания. Это приводит к избыточному запасу, что противоречит модели, разработанной для обеспечения безопасности.
Проблема этого подхода заключается в том, что увеличенный запасной запас применяется равномерно ко всем товарам, что приводит к избыточному запасу и неэффективности. Это усугубляется практиками, которые микроуправляют своими прогнозами, но затем увеличивают свои запасные запасы, фактически уничтожая точность своих расчетов.
Верморель предлагает, что вероятностный подход лучше всего подходит для управления неопределенностями в цепи поставок. Этот подход признает, что запасные запасы являются небезопасными и неэффективными. На самом деле, в складах нет отдельных куч рабочего запаса и запасного запаса; есть только одна куча товаров. Вопрос заключается в том, подходят ли эти товары для обслуживания клиентов.
Чтобы донести это сообщение до клиентов, которые настаивают на наличии запасного запаса, Верморель подчеркивает, что запасные запасы являются небезопасными и неэффективными. Вместо этого вероятностный подход, который точно моделирует неопределенности в цепи поставок, может привести к лучшей оптимизации и управлению запасами.
Верморель объясняет, что запасные запасы могут отвлекать бизнес от фокусировки на принимаемых ими решениях, таких как заказы на закупку и производство. Он утверждает, что вероятностные подходы более подходят для управления цепями поставок, поскольку они позволяют лучше контролировать решения, которые непосредственно влияют на цепи поставок.
Однако Чандлер указывает на то, что вероятностные подходы сложны, поскольку требуют различных кривых спроса для каждого товара в каталоге. Он спрашивает, есть ли промежуточное решение для специалистов по цепям поставок, которое менее сложно, чем подход Lokad, но более продвинуто, чем расчеты запасных запасов. Верморель признает, что хотя в современном статистическом анализе есть парадокс, возможно использовать более сложные параметрические модели. Однако эти модели быстро становятся сложными для работы и понимания, часто приводя к непрозрачной математической нотации. В результате Верморель предлагает, что может быть проще использовать техники машинного обучения, которые могут подходить для любого распределения, хотя у них и нет явных формул.
Затем разговор переходит к вопросу о потерянных деньгах из-за запасных запасов. Верморель считает, что фокус на запасных запасах и прогнозировании спроса заблужден, поскольку это не решает другие источники неопределенности, такие как время выполнения заказа. Он также отмечает, что идея о идеальном прогнозе - это иллюзия, поскольку прогнозы всегда будут неполными. Вместо этого практики в области цепей поставок должны сосредоточиться на последствиях неопределенности и работать над улучшением своих процессов после прогнозирования.
Во многих ситуациях сложно значительно улучшить точность прогнозирования спроса с помощью хорошо настроенного скользящего среднего. Верморель объясняет, что обвинение прогнозов в расхождениях часто бесполезно, поскольку настоящие проблемы часто лежат в последующих шагах. Он призывает практиков в области цепей поставок сосредоточиться на улучшении этих областей, поскольку они часто представляют собой низкорослый плод для значительных выгод.
Полный текст
Кирен Чандлер: Сегодня на Lokad TV мы объясним, почему этот метод не работает, а также обсудим альтернативы, которые открыты для специалистов по цепям поставок. Итак, Джоаннес, прежде чем мы перейдем к проблемам с запасными запасами, может быть, мы должны начать с того, чтобы немного больше рассказать о них. Как бы вы определили запасные запасы?
Джоаннес Верморель: Запасные запасы возникли из идеи, что после того, как у вас есть прогноз, если вы помещаете количество запасов, равное вашему прогнозу, и если ваш прогноз сбалансирован, то у вас есть 50% шанс остаться без запасов. Это практически определение сбалансированного прогноза спроса. Следовательно, вам нужно иметь больше запасов, чем то, что вы прогнозируете. Эта разница между тем, что вы прогнозируете, и тем, что вам действительно нужно для разумного покрытия будущего спроса, называется запасными запасами. Общая концепция заключается в добавлении дополнительного буфера сверх среднего прогноза.
Однако запасные запасы в настоящее время имеют более узкое определение. Отрасль сходится на одном способе вычисления запасных запасов, который, по сути, предполагает, что будущий спрос и будущие времена выполнения распределены нормально. И под “нормальным” я подразумеваю гауссово. Затем эту конкретную модель применяют для вычисления того, сколько вы должны поместить в эти запасные запасы.
Кирен Чандлер: Когда возникли эти идеи и почему это так важно для рынка?
Джоаннес Верморель: Я считаю, что запасные запасы - это хорошее название. Оно звучит успокаивающе, и мы никогда не должны недооценивать силу хорошего бренда. Запасные запасы кажутся более безопасными. Кажется, что это хороший ход сказать: “Мы играем на безопасность, у нас есть эти запасные запасы”. Если вам приходится выбирать между безопасным методом и небезопасным методом, конечно, вы выберете безопасный.
Так что я думаю, что наличие запоминающегося названия было частью того, что сделало этот очень конкретный подход успешным. Опять же, в течение долгого времени компьютеры были чрезвычайно слабыми. Мы перешли от вычислений, выполняемых вручную, где нормальное распределение было лучшим, что мы могли сделать, что было лучше, чем никакой числовой рецепт вообще. Затем в эру ранних компьютеров, в конце 60-х и начале 70-х годов, это было достаточно. Я думаю, что многие практики просто заснули, и все осталось на месте.
Однако ключевая концепция наличия идеи этого дополнительного буфера до сих пор имеет смысл. То, что не имеет смысла, - это говорить о том, что всю неопределенность можно свести к нормальному распределению как для спроса, так и для времени выполнения заказа. Это особенно абсурдно, что касается времени выполнения заказа.
Киран Чандлер: Эта идея небезопасности может показаться некоторым людям немного крайней. Почему мы считаем, что это немного небезопасно? Откуда берутся эти ключевые трудности с запасным запасом?
Жоанн Верморель: Запасной запас, чтобы дать вам представление о том, как это работает, начинается с вашего спроса. В результате вы создаете запас, который является определенной долей спроса. Таким образом, если вы прогнозируете 100, вы можете добавить 80 единиц, что составляет 80% от вашего первоначального спроса, и это ваш запасной запас. Это прямое следствие выбора определенного уровня обслуживания с предположением о нормальном распределении поверх спроса.
Проблема заключается в том, что, делая это, вы полностью игнорируете сезонность. Ваш прогноз спроса часто сезонный, и это очень ожидаемо. Но реальность заключается в том, что неопределенность также сезонна.
Киран Чандлер: Вы предлагаете, что классическая модель запасов полностью отвергает все шаблоны, которые влияют на неопределенность. Вы также упоминаете, что применение нормального распределения к спросу - это довольно смелое утверждение. Можете ли вы подробнее рассказать об этом?
Жоанн Верморель: Конечно. Применение нормального распределения, особенно к временам выполнения заказов, может ввести в заблуждение. Например, предположим, что поставщик обычно доставляет вам товары в течение двух дней. В Европе обычно требуется всего один день для доставки товаров, поэтому ваше время выполнения заказа обычно составляет два дня. Однако, если ваш поставщик столкнется с нехваткой товара, задержка может составить до трех месяцев.
Киран Чандлер: Так что это не колоколообразная кривая, верно?
Жоанн Верморель: Абсолютно нет. Это совершенно другой шаблон. Мы видим значительный пик вокруг вашего номинального времени выполнения заказа, за которым следует возможность обширных задержек. Это происходит, если вы сталкиваетесь с определенным событием, таким как нехватка товара у поставщика. Поэтому это плохое приближение, чтобы моделировать это как нормальное распределение - это как попытка вписать квадрат в круг.
Киран Чандлер: Это означает, что любое небольшое количество изменчивости или любые неизвестные нарушают эффективность запасного запаса?
Жоанн Верморель: Действительно. Любой элемент, который может нарушить сложившуюся ситуацию, который может вызвать ситуацию, когда спрос на товар может исчезнуть, делает модель запасного запаса неадекватной. Например, если вы продаете курицу, и сообщается о вспышке птичьего гриппа, люди могут перестать есть курицу на шесть месяцев. Это значительное отклонение от нормы, и это не учитывается в нормальном распределении.
Киран Чандлер: Таким образом, большие отклонения являются обычными в реальных цепях поставок?
Жоанн Верморель: Удивительно, да. Хотя это не постоянно происходит для всех товаров, у любой крупной компании будет по крайней мере несколько больших сюрпризов каждый квартал. Однако модели запасного запаса предполагают, что такие большие отклонения не существуют. Когда вы оптимизируете свою цепь поставок на основе этого предположения, а затем происходят такие отклонения, это может быть очень дорогостоящим.
Киран Чандлер: Учитывая эти препятствия и сюрпризы, не будет ли вероятностный подход лучше? Каковы основные преимущества этого подхода по сравнению с запасными запасами?
Жоанн Верморель: Когда у вас есть модель, которая значительно недооценивает ваш риск, это может привести к недостаточному уровню запасов. В теории запасной запас должен противодействовать этому, создавая буфер против неожиданного спроса. Однако на практике практики в области цепей поставок адаптируются таким образом, что могут усугубить проблему. Они используют модели запасного запаса, которые недооценивают риск, стремясь к высокому уровню обслуживания, например, 98%. Но из-за недооценки риска фактический уровень обслуживания ниже.
Киран Чандлер: В отношении хвостовых событий как во времени, так и в спросе, вы, скажем, получите уровень обслуживания 85 процентов. Это очень далеко от вашей цели в 98 процентов для вашего уровня обслуживания. Что вы делаете?
Жоанн Верморель: Вы используете серебряную пулю, которая является дополнительным множителем для вашего запаса безопасности. Вы начинаете с модели с предположением о нормальном распределении, затем, потому что буквально каждый, кто использовал запас безопасности, понял, что у нас есть эти проблемы, нам нужно увеличить наши запасы безопасности. Компании будут вводить эти факторы инфляции двумя способами. Либо вы явно указываете фактор, либо вы говорите в программном обеспечении, что вы хотите 98 процентов уровня обслуживания, но вводите 99,9, потому что это способ эмпирически получить эти 98 процентов.
Что происходит, это то, что потому что ваша модель недооценивает ваш риск, вы увеличиваете свои запасы безопасности достаточно равномерно. Это создает значительную проблему, порождая значительные излишки запасов. Парадокс заключается в том, что у вас есть модель, которая недооценивает риск, поэтому вы увеличиваете свои запасы безопасности везде и в конечном итоге генерируете много излишков. Это забавно, потому что вы начинаете с чего-то, что называется запасами безопасности, но это по своей сути небезопасно из-за этого процесса.
Киран Чандлер: То есть вы всегда настраиваетесь на худший сценарий. Каждый настраивается на тот день, когда ему действительно нужны запасы, и если запас или спрос изменяется, у них все равно есть этот дополнительный фактор безопасности.
Жоанн Верморель: Да, и у вас будет этот дополнительный запас безопасности везде. Люди будут микроуправлять своими прогнозами, тратить много времени на настройку прогноза. Они будут вычислять все до последней грамма, чтобы быть супер точными, а затем благодаря этому запасу безопасности они все округляют до следующей метрической тонны просто потому, что у них есть этот фактор инфляции, который применяется равномерно ко всем продуктам. Я немного стереотипизирую, но это грубое приближение того, что на самом деле происходит или что я видел много раз.
Киран Чандлер: Как же вы обращаетесь с теми клиентами, которые настаивают на необходимости этой дополнительной безопасности, этого запаса безопасности, этого буфера? Какое ключевое сообщение вам нужно передать им?
Жоанн Верморель: Ключевое сообщение заключается в том, что запасы безопасности небезопасны и неэффективны. Это вымысел. В вашем складе у вас нет двух видов запасов; рабочий запас, который обслуживает спрос, и запасы безопасности, которые обслуживают неопределенность. У вас есть только одна куча запасов. Вопрос в том, подходит ли это количество запасов для обслуживания ваших клиентов. У вас фактически нет такого большого контроля над уровнем запасов, потому что у вас нет контроля над потребностью клиентов. Над чем у вас есть контроль, так это над заказами на закупку или производство, которые вы передаете.
Проблема с запасами безопасности заключается в том, что они отвлекают вас от решений, которые вы можете принять, которые находятся в ваших руках и которые имеют реальное физическое влияние на ваши цепи поставок, такие как заказы на закупку или поставки или производственные заказы. Ключевое сообщение будет заключаться в том, чтобы сосредоточиться на принимаемом вами решении, а не на относительно произвольных параметрах вашей ERP.
Киран Чандлер: Проблема вероятностного подхода заключается в том, что он относительно сложен. У вас есть разная кривая спроса для каждого товара в вашем каталоге, тогда как хорошо то, что у запаса безопасности относительно простая структура. Вы просто добавляете определенный буфер для каждого товара. Есть ли что-то среднее для руководителей цепей поставок, что они могут использовать? Что-то не так сложное, как вероятностный подход Lokad, но немного лучше и более продвинутое, чем подход с запасом безопасности?
Жоанн Верморель: Я считаю, что мы касаемся небольшого парадокса современного статистического анализа. Запас безопасности - это параметрический подход в статистике, где у вас есть модель с параметрами, такими как среднее и дисперсия, и вы используете эту модель для настройки параметров. Однако вы быстро поймете, что эта параметрическая модель полностью не подходит для ситуации, подобно тому, как квадрат является очень плохим приближением круга. Вы можете попытаться добавить больше сложности в модель, но очень скоро она становится криптичной и сложной для понимания для практиков цепей поставок.
Вы можете выбрать более сложные явные модели, но они становятся очень сложными с точки зрения математической нотации. На самом деле проще использовать методы машинного обучения, которые немного более непрозрачны, но могут подходить для любого типа распределения. Реальность заключается в том, что если вы хотите правильно сочетать неопределенность времени выполнения с спросом, вы не можете ожидать простой закрытой формулы. В любом случае это будет сложно, но также необходимо учитывать тонкие взаимодействия между временем выполнения и спросом.
Кирен Чандлер: Мы много говорили о потерях из-за запасных запасов и о том, что это пустая трата денег. Почему это нечто, над чем люди не пытаются улучшить, и почему на это не обращают внимание?
Жоанн Верморель: Я думаю, что дело в том, что многие практики в сфере цепей поставок хорошо понимают запасные запасы. Они склонны недооценивать то, что хорошее понимание будущего спроса - это только начало. Будущий спрос - это не единственный источник неопределенности; будущие времена выполнения - это еще один источник, и есть и другие проблемы. Практики могут отвлекаться на чистый прогноз спроса, и также есть иллюзия, что если они смогут раз и навсегда решить проблему прогнозирования, все остальные проблемы будут решены.
Кирен Чандлер: Кажется, что существует убеждение, что иметь идеальный прогноз устраняет все остальные проблемы. Однако вы предлагаете, что это иллюзия, и нам нужно принять вероятностный подход, признавая, что прогноз всегда будет неполным. Можете ли вы развернуть эту мысль?
Жоанн Верморель: Конечно. Вероятностный подход заключается в том, чтобы отказаться от мечты о идеальном прогнозе. Это означает признание того, что прогнозы всегда будут неполными и работа с последствиями этой неполноты. Например, одним из последствий является необходимость начать учитывать влияние неопределенностей, таких как запасные запасы, которые являются очень грубым способом моделирования последствий этой неопределенности.
Кирен Чандлер: Итак, вы предлагаете, что прогноз часто несправедливо обвиняют?
Жоанн Верморель: Да, именно это я и говорю. С запасными запасами люди склонны винить прогноз, когда на самом деле прогноз был таким же хорошим, каким он мог быть. Трудно сделать что-то лучше, чем хорошо настроенное скользящее среднее. Конечно, вы можете улучшить его немного, учитывая факторы, такие как сезонность, но даже в этом случае трудно снизить ошибку более чем на треть. Так что обвинение прогноза бессмысленно. Очень часто реальные ошибки происходят после этого, и именно в этих областях мы можем добиться значительных улучшений.
Кирен Чандлер: По мере завершения, какое ключевое сообщение для руководителей цепей поставок? Следует ли им отказаться от расчетов запасных запасов и принять нехватку товара или лучше понять свои прогнозы?
Жоанн Верморель: Ключевое сообщение заключается в том, чтобы не доверять математическим моделям, которые были в основном разработаны для ручных вычислений. Неразумно управлять своей цепью поставок на основе метода, не требующего компьютеров. Точно так же, как не имеет смысла хранить большое количество рюкзаков на случай остановки грузовиков. Проблема с запасными запасами заключается в том, что они сохраняются из-за хорошей рекламы и кажущейся неясной технической детали оптимизации цепей поставок. Я бы предложил вызвать сомнения в ваших предположениях при работе с числовой оптимизацией вашей цепи поставок. Для этого не обязательно быть математиком. Просто проверьте, соответствуют ли эти предположения реальности вашей цепи поставок.
Кирен Чандлер: Понятно, так что мы можем ожидать перехода от термина “запасные запасы” к “незапасным запасам” в будущем?
Жоанн Верморель: Кто знает? Вполне возможно.
Кирен Чандлер: Спасибо, Жоанн. Это все на этой неделе. Спасибо нашим слушателям за внимание, и до встречи в следующий раз. Пока и до свидания.
